NR基础篇下——中值滤波、多级中值滤波、多级中值混合滤波、加权中值滤波、中值有理滤波

已于 2023-08-07 17:55:52 修改
阅读量1.6w 收藏 79
点赞数 7
分类专栏： ISP图像处理 文章标签： 1024程序员节 matlab 算法
于 2021-10-24 18:57:26 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wtzhu_13/article/details/120938422
版权

上一篇分享了一些均值滤波相关的算法，均值滤波作为一种线性滤波器，在滤除噪声的同时也会导致边缘模糊问题。而且均值滤波对高斯噪声的效果很好，但是对于椒盐噪声的效果就很一般。但是中值滤波作为一种顺序滤波器，对于椒盐噪声的效果很好，而且保边能力很强，所以这一篇主要讨论一下中值相关的算法。

中值滤波

算法原理

中值滤波很好理解，均值滤波就是在一个小窗口中求均值来取代当前像素值，而中值滤波就是通过求小窗口中的中位值来取代当前位置的方式来滤波。

在这里插入图片描述

如图绿色窗口就是当前的滤波窗口，在一个3X3的邻域窗口中进行滤波。那么中值滤波做的就是：

  1. 对这个邻域中的像素值进行排序：[45, 50, 52, 60, 75, 80, 90, 200, 255];
  2. 从排序后的数据中找出中位值：75；
  3. 用中位值取代当前位置的像素值，所以就可以得到右侧的滤波后的数据。

代码实现

%% --------------------------------
%% author:wtzhu
%% email:wtzhu_13@163.com
%% date: 20210306
%% fuction: 中值滤波
%% --------------------------------
clear;
clc;
close all;
img = imread('./images/test_pattern_blurring_orig.tif');
[m, n] = size(img);
figure;subplot(221);imshow(img);title('original image');

%% 运算的时候需要对边缘进行扩展
% 需要特殊处理四周最外圈的行和列，本算法中将其向外扩展一圈，用最外圈的值填充
headRowMat = img(1,:);%取f的第1行
tailRowMat = img(m,:);%取f的第m行
% 行扩展后，列扩展时需要注意四个角需要单独扩展进去，不然就成了十字架形的
headColumnMat = [img(1,1), img(:,1)', img(m,1)];
tailColumnMat = [img(1,n), img(:,n)', img(m,n)];
expandImage = [headRowMat; img; tailRowMat];
expandImage = [headColumnMat; expandImage'; tailColumnMat];
expandImage = uint8(expandImage');
subplot(222);imshow(expandImage);title('expand image');

newImg = zeros(m, n);
for i =2: m+1
    for j =2: n+1
       imgRoi = [expandImage(i-1, j-1) expandImage(i-1, j) expandImage(i-1, j+1) ...
                 expandImage(i  , j-1) expandImage(i  , j) expandImage(i  , j+1) ...
                 expandImage(i+1, j-1) expandImage(i+1, j) expandImage(i+1, j+1)];
       orderedList = sort(imgRoi);
       sizeRoi = size(imgRoi);
       newImg(i-1, j-1) = orderedList((sizeRoi(2)+1)/2);
    end
end
newImg = uint8(newImg);
subplot(223);imshow(newImg);title('new image');
subplot(224);imshow(uint8(newImg-img));title('newImg-img');

在这里插入图片描述

从滤波效果图中可以看出去噪能力还可以，百块中的噪点去除了很多，而且边缘信息保留得也很好。

多级中值滤波

算法原理

简单的中值滤波器滤波效果有限，于是就有人提出了将多个中值滤波进行多级级联实现更好的滤波效果。

在这里插入图片描述

如图就是一种多级级联的方式，先在窗口中定义一个’+'和’X’形的窗口，然后分别求出这两个窗口的中位值，然后结合当前窗口的中心点就有3个候选值，再从这三个值中求出一个中位值作为滤波后的结果。

这种方式也可以直接应用到RAW图中做BNR，需要修改的就是窗口设置为5X5，然后在做滤波的时候需要区分G和RB通道，因为这个前面已经讲过，RAW图中的RGB分布是不均匀的，G占50%，R和B各占25%。
在这里插入图片描述

左侧就是针对G通道的滤波器，右侧是R和B通道的滤波器，都是定义了一个’+'和’X’形的窗口，不同的只是取的点的位置不同。

代码实现

%% --------------------------------
%% author:wtzhu
%% email:wtzhu_13@163.com
%% date: 20211023
%% fuction: multistage median filters
%% --------------------------------

close all;
clear all;
clc
img = imread('./images/lena.bmp');
I = double(img);
% I = double(imresize(img, [64, 64]));
figure();
imshow(uint8(I));
title('org file');

I_noise = I + 10 * randn(size(I));
figure();
imshow(uint8(I_noise));
title('noise file');
[m,n] = size(I_noise);

DenoisedImg = zeros(m,n);
PaddedImg = padarray(I,[1, 1],'symmetric','both');

tic
for i = 1: m
    for j = 1: n
        roi = PaddedImg(i:i+2, j:j+2);
        % first stage
        median_HV = median([roi(1,2), roi(2,1), roi(2,2), roi(2,3), roi(3,2)]);
        median_diag = median([roi(1,1), roi(1,3), roi(2,2), roi(3,1), roi(3,3)]);
        % second stage
        DenoisedImg(i, j) = median([median_HV, roi(2,2), median_diag]);
    end
end
figure();
imshow(uint8(DenoisedImg));
title('denoise file');
toc

b = medfilt2(I_noise,[3,3]);
figure();
imshow(uint8(b));
title('median filter of matlab denoise file');

多级中值混合滤波

算法原理

前面介绍过中值滤波和均值滤波各自有各自的优点和缺点，所以就可以考虑将两者结合起来，相互弥补实现更好的滤波效果，于是就有人提出了这种多级混合滤波的方式。

在这里插入图片描述

算法流程：

  1. 求出竖直方向相邻三个点的均值和水平方向相邻三个点的均值，再结合当前点，用这三个点再求一个中位值；
  2. 求出45°和135°方向上的均值，然后结合当前点求出一个中位值；
  3. 两个中位值结合当前点组成新的数组，最后求一个中位值作为当前点的值完成滤波。

这样就巧妙的将均值滤波和中位值滤波结合了。然后如果应用在RAW图上，只需要对滤波器稍作改善即可。

在这里插入图片描述

代码实现

%% --------------------------------
%% author:wtzhu
%% email:wtzhu_13@163.com
%% date: 20211023
%% fuction: multistage median hybird filters
%% --------------------------------

close all;
clear all;
clc
img = imread('./images/lena.bmp');
I = double(img);
figure();
imshow(uint8(I));
title('org file');

I_noise = I + 10 * randn(size(I));
figure();
imshow(uint8(I_noise));
title('noise file');
[m,n] = size(I_noise);

DenoisedImg = zeros(m,n);
PaddedImg = padarray(I,[1, 1],'symmetric','both');

tic
for i = 1: m
    for j = 1: n
        roi = PaddedImg(i:i+2, j:j+2);
        % first stage: average and median
        mean_V = mean(roi(:,2));
        mean_H = mean(roi(2,:));
        median_HV = median([mean_V, roi(2, 2)], mean_H);
        
        mean45 = mean([roi(1, 3), roi(2, 2), roi(3, 1)]);
        mean135 = mean([roi(1, 1), roi(2, 2), roi(3, 3)]);
        median_diag = median([mean45, roi(2, 2)], mean135);
        
        % second stage
        DenoisedImg(i, j) = median([median_HV, roi(2,2), median_diag]);
    end
end
figure();
imshow(uint8(DenoisedImg));
title('denoise file');
toc

b = medfilt2(I_noise,[3,3]);
figure();
imshow(uint8(b));
title('median filter of matlab denoise file');

多级中值有理混合滤波

算法原理

在这里插入图片描述

WMF加权中值滤波

在这里插入图片描述

加权中值滤波也很好理解，和加权均值滤波差不多，就是在原始数据的基础上给每个点分别赋予一个权重，然后在加权后的数据中取出中位值作为滤波后的值。

算法流程

  1. 求出’+'形和’X’形的窗口的中位值；

  2. 对’+'形窗口再利用CWMF求出一个值，CWMF是WMF的一种特殊情况，就是只对中心点进行加权；

  3. 对以上求出的三个参数用一下公式计算出一个新的值作为滤波后的值
    y ( m , n ) = ϕ 2 ( m , n ) + ϕ 1 ( m , n ) − 2 ∗ ϕ 2 ( m , n ) + ϕ 3 ( m , n ) h + k ( ϕ 1 ( m , n ) − ϕ 3 ( m , n ) ) y(m, n)=\phi 2(m, n)+\frac{\phi 1(m, n)-2 * \phi 2(m, n)+\phi 3(m, n)}{h+k(\phi 1(m, n)-\phi 3(m, n))} y(m,n)=ϕ2(m,n)+h+k(ϕ1(m,n)−ϕ3(m,n))ϕ1(m,n)−2∗ϕ2(m,n)+ϕ3(m,n)​

一样的，稍作改动该算法就可以用于raw格式图像

在这里插入图片描述

代码实现

%% --------------------------------
%% author:wtzhu
%% email:wtzhu_13@163.com
%% date: 20211023
%% fuction: median rational hybird file filter
%% references: MEDIAN-RATIONAL HYBRID FILTERS
%% --------------------------------

close all;
clear all;
clc
img = imread('./images/lena.bmp');
I = double(img);
figure();
imshow(uint8(I));
title('org file');

I_noise = I + 10 * randn(size(I));
figure();
imshow(uint8(I_noise));
title('noise file');
[m,n] = size(I_noise);

DenoisedImg = zeros(m,n);
PaddedImg = padarray(I,[1, 1],'symmetric','both');

h = 2;
k = 0.01;

tic
for i = 1: m
    for j = 1: n
        roi = PaddedImg(i:i+2, j:j+2);
        median_HV = median([roi(1,2), roi(2,1), roi(2,2), roi(2,3), roi(3,2)]);
        median_diag = median([roi(1,1), roi(1,3), roi(2,2), roi(3,1), roi(3,3)]);
        n = [1 1 1 1 3 1 1 1 1];
        wRoi = repelem(roi(:)', n);
        CWMF = median(wRoi);
        
        DenoisedImg(i, j) = CWMF + (median_HV + median_diag - 2 * CWMF) / (h + k * (median_HV - median_diag));
    end
end
toc
figure();
imshow(uint8(DenoisedImg));
title('denoise file');
b = medfilt2(I_noise,[3,3]);
figure();
imshow(uint8(b));
title('median filter of matlab denoise file');

相关链接

wtzhu_13
关注
  • 7
    点赞
  • 踩
  • 79
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
PCL：中值滤波器
m0_71596228的博客
04-28 135
在点云处理领域，滤波是一种常用的数据处理技术，用于去除噪声、平滑数据或者提取感兴趣的特征。中值滤波器是一种非线性滤波器，它的原理是通过在一个窗口内对像素值进行排序，然后选取中间值作为滤波结果，以达到去除噪声的目的。在点云数据中，中值滤波器同样适用，它可以有效地去除离群点、噪声或者异常值，同时保留数据的整体形状和结构。
均值滤波、中值滤波、混合中值滤波C++源码实例
1lang
06-12 7769
均值滤波、中值滤波、混合中值滤波C++源码实例，可运行。
【滤波第二期】中值滤波的原理和C代码
撞上电子
12-04 1269
中值滤波是一种非线性数字滤波技术，主要应用于信号处理和图像处理领域，用于减小信号中的噪声和离群值。中值滤波的核心思想是通过计算一组数据点的中间值，以抑制脉冲噪声等离群值的影响，从而实现信号的平滑处理。1，中值滤波的操作步骤如下：窗口设置：中值滤波使用一个固定大小的窗口覆盖信号中的数据点。这个窗口的大小是根据具体应用需求事先确定的，通常是奇数，例如3x3、5x5等。数据排序：在每个窗口位置，将窗...
图像处理：推导五种滤波算法（均值、中值、高斯、双边、引导）
m0_62919535的博客
10-14 2万+
均值滤波：卷积核越大，图片的失真越明显，图片会更模糊，如果设置核的大小为（1，1），则结果是原始图像。中值滤波：随着核的增大，图片会更加模糊，核必须是大于1的奇数，如3，5，7等，在这cv2.medianBlur(src,ksize)当中，填写核时填写一个数字，如3，5，7，在这里我们要对比均值滤波的用法。它对于椒盐噪声的图片效果最好。高斯滤波：随着核的大小逐渐变大，会让图像更加模糊，核的大小（N，N）必须是大于1的奇数，如3，5，7等，sigma表示的是X方向方差。我们常常在边缘检测中用到它。
数字图像处理实验（2）--中值滤波/均值滤波.7z
04-07
编程实现灰度图像的中值滤波平滑处理。滤波模板的大小自定（可为3×3、5×5、7×7、15×15等）。实验图像可从提供的实验图像集中的噪声图像中选取。 思考题：（选做） 编程实现灰度图像的均值滤波平滑处理；也可尝试实现灰度图像的锐化处理，包括Sobel、Prewitt、Roberts、Laplace、Canny边缘检测等。
中值滤波(Median filtering)
半濠春水的博客
11-25 5万+
1.概念介绍  中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。  中值滤波的方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。 2.基本原理  中值滤波会选取数字图像或数字序列中像素点及其周围临近像素点（一共有奇数个像素点）的像素值，将这些像素值排序，然后将位于中间位置的像素值作为当前像素点的像素值，让周围的像素值接近真实值，从而消除孤立的噪声点。  例如，针对图2-1中第4行第4列的像素点，.
图像处理——中值滤波
热门推荐
lixiao0314的博客
10-25 6万+
中值滤波 【定义】中值滤波是一种非线性的信号处理方法，所以它是一种非线性滤波器，也是一种统计排序滤波器。它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。 【目的】中值滤波对孤立的噪声像素即椒盐噪声、脉冲噪声具有良好的滤波效果，可以保持图像的边缘特性，不会使图像产生显著的模糊。 【基本原理/思想】中值滤波是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近真实值，从而消除孤立的噪声点。举个例子： 【具体操作/流程】 用一个奇数点的移动窗口，并将模板中心
MATLAB--数字图像处理 中值滤波
海到无边天作岸 山登绝顶我为峰
09-14 3万+
中值滤波     概念：   中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列...
中值滤波（median filtering）
imNingyuan的博客
09-29 4279
中值滤波学习
Median-filteraMean-filter.zip_中值滤波 文档_图像增强实验_图像增强文档
09-23
总之，中值滤波和均值滤波是图像处理中的基础工具，它们在噪声抑制和图像质量提升方面发挥着重要作用。理解这两种滤波器的原理和应用，对于进行图像增强实验和撰写相关文档具有重要意义。通过实际操作和比较，我们...
MATLAB中值滤波论文.doc.zip
最新发布
04-19
- **性能分析**：评估中值滤波在不同噪声水平下的表现，可能包括计算时间、噪声去除效率等指标。 - **应用领域**：讨论中值滤波在图像处理、信号处理、医学影像分析等领域的应用。 - **优化策略**：可能涉及加速中值...
中值滤波的matlab实现
05-05
本篇文章将深入探讨中值滤波的基本原理、MATLAB实现方式以及其实用价值。 中值滤波器的工作原理是基于排序统计，它将输入图像窗口内的像素值进行排序，然后用中间值（即中值）替换窗口中心像素的原始值。由于椒盐...
EXP_数字图像处理_中值滤波_matlab_源码.zip
09-30
本篇将深入探讨中值滤波的基本原理，并以MATLAB为工具，解析其实现过程。 一、中值滤波的基本概念 中值滤波是一种非线性的滤波方法，其核心思想是将图像中每个像素点的灰度值替换为其周围邻域内像素值的中值。这种...
中值滤波
harry的博客
06-05 5万+
1、基本原理图像的中值滤波是一种非线性图像处理方法,是统计排序滤波器的一种典型应用。与之前介绍的均值处理的思想有所不同，中值滤波是通过对邻域内像素按灰度排序的结果决定中心像素的灰度。具体的操作过程如下：用一个奇数点的移动窗口，将窗口中心点的值用窗口内各点的中值代替。假设窗口内有5个点，其值为1,2,3,4和5，那么此窗口内各点的中值即为3，也就是用3来代替中心点的像素值。中值滤波对于滤除脉冲干扰及...
【OpenCV基础】中值滤波、双边滤波、均值滤波、高斯滤波
欢迎时常光顾我的干货超市，热衷于AIoT！！
06-24 5518
1.原理 滤波操作的原理是卷积运算 2.代码展示
中值滤波(资料整理，持续更新)
sdau2005的博客
03-27 2265
中值滤波知识积累
中值滤波器 median filter
Tianchao龙虾
09-03 8623
中值滤波器
中值滤波原理及MATLAB算法实现
时间流浪者
04-11 2万+
中值滤波是一种非线性滤波方式，它依靠模板来实现。 对于一维中值滤波，设模板的尺寸为 M ，M=2*r+1，r为模板半径，给定一维信号f(i)，i = 1，2，3……N，则中值滤波输出为： g(i) = median[ f(j-r)，f(j-r+1),…………，f(j)，f(j+r)]。 对于二维的中值滤波情况，g(x,y) = median[ f(s, t)]，对于一个模板尺寸为N*N的中值
Matlab图像处理——中值滤波medfilt2问题解决
06-07
中值滤波是一种常用的图像去噪方法，可以有效地消除高斯噪声、椒盐噪声等噪声。在Matlab中，中值滤波函数medfilt2的使用方法如下： 1. 声明一个待处理的图像矩阵img； 2. 使用medfilt2函数对图像进行中值滤波处理：med_img = medfilt2(img, [m n])，其中m和n为中值滤波窗口的大小，通常取奇数值； 3. 显示处理后的图像：imshow(med_img)。 在使用medfilt2函数时，可能会遇到一些问题，比如： 1. 图像处理后出现了明显的噪点：可能是因为中值滤波窗口的大小设置过小，需要适当增大窗口大小； 2. 图像处理后出现了模糊现象：可能是因为中值滤波窗口的大小设置过大，需要适当减小窗口大小； 3. 图像处理时间过长：可能是因为中值滤波窗口的大小设置过大，需要适当减小窗口大小，或者使用其他图像去噪方法。 针对以上问题，可以调整中值滤波窗口的大小，或者尝试其他图像去噪方法，如高斯滤波、双边滤波等。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值